（株）ＳＡＳインスティチュートジャパンの小野です。
公共のメーリングリストにて、特定の商用パッケージを販売している企業
に所属している人間が、下記のような質問に投稿するのはまずいかもしれ
ませんが、、、、まずい場合には御指摘下さい。また、その分を割り引いて
読んで下さい。
In message <199908270216.AA00017 (at) lsp1.lynx.let.hokudai.ac.jp>
"[fpr 1492] ＳＡＳによるロジスティック回帰分析"
""NAKANISHI,Daisuke" <nakanisi (at) lynx.let.hokudai.ac.jp>" wrote.
> --- Cut by Ono ---------------
>
>つまり、パッケージソフトではこのような分析をそのままでは行うことができない、
>ということですね。
>
通常のロジスティックモデルですので、普通の流通している統計パッケージ
であてはめることができます（といっても、私が確めることができるのはＳＡ
Ｓだけですが、、、）。そして、ロジスティックモデルに関しても、パラメータ
の線形仮説に関しては、検定も行うことができます（くどいようですが、私が知
っているのはＳＡＳだけですが、、、。ＳＡＳのなかではプロシジャによって、
ワルド型の検定しかできないもの、ワルド検定も尤度比検定もできるものがあり
ます。ＣＡＴＭＯＤプロシジャはワルド検定しかサポートしていません。対数尤度
は計算されるので、複数回実行すれば尤度比検定もできますが、、、）。
でも、ロジスティックモデルでパラメータ数が相対的に多い場合には、最
尤推定量の性質が悪くなる（どれぐらい悪くなるのかは、私は全く分かって
いませんが）以外にも、「説明変数（or説明変数の線形結合）によって応答
変数が完全に分離してしまう」ことが起こる可能性が高くなるのではないか
と思います。
ところで、「このような形」のデータ（ すみません、正式な呼び名が分か
りません。個人をブロックとした乱塊法データと見なすこともできるような
感じの反復測定データで、しかも時間毎に共変量が測定されているデータ？）
を扱うには、通常のロジスティック分析の他にも、
1. 個人を層とした「条件付きロジスティック」分析を行う。
（この方法では、被験者によって層別されるために、個人の効果が
推定されませんが、、、）
2. 個人を変量効果として、「一般化-混合モデル(generalized mixed
model)」（例えば、正規-ロジスティックモデル）をあてはめる
といったことも考えられるかもしれません。また、少し視点を変えて、この
場合は不適切かもしれませんが、
3. 同一被験者内の相関だけを考慮して、「ＧＥＥ推定」を行う
こともあるのかもしれません （ちなみに、1.と3.は、Version 6.12のＳＡＳ
でも行えます。２に関しては、Penalized Quasi Likelihood推定値という推定
値を計算するためのサンプルマクロ(GLIMMIX)がありますが、ＰＱＬ推定値自体
は、、、？？？？）。
---以上、宜しくお願い申し上げます。
（株）ＳＡＳインスティチュートジャパン
テクニカルサポート
小野裕亮
e-mail:jpnyco (at) jpn.sas.com
ここは心理学研究の基礎メーリングリストに投稿された過去の記事を掲載しているページです。